收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

电力变压器状态评估及故障诊断方法研究

郑含博  
【摘要】:电力变压器是电网中能量转换、传输的核心,是电网安全第一道防御系统中的关键枢纽设备。目前,我国已有较多变压器运行年限超过20年,这些运行中的变压器面临着日益严重的如设备故障和绝缘老化问题,发生事故的概率不断增加。变压器一旦发生事故可能会造成设备资产和大停电等巨大损失,甚至会产生严重的社会影响。因此,对电力变压器进行有效的状态评估和深入的故障诊断研究,指导变压器的运行维护和状态检修,预防和降低故障的发生几率,具有重要的理论和实际意义。 论文在搜集整理大量技术标准、规程导则、专家经验以及变压器实际运行状态数据的基础上,深入研究了电力变压器状态评估的指标体系、评估方法和决策准则以及基于支持向量机和智能优化算法的变压器故障诊断技术,对变压器状态评估的集对分析方法和模糊与证据推理融合的绝缘状态评估模型进行了研究,在以油中溶解气体为特征量的变压器故障诊断方法研究上取得了一定进展,论文取得的创新性成果主要有: 在对变压器状态等级划分和指标参数提取的基础上,针对状态信息具有模糊和信息不完全所致的不确定性问题,提出了基于集对分析理论的电力变压器状态评估策略,构建了集对分析算法及实现步骤,用联系度及其数学表达式统一描述系统状态的不确定性问题,并结合信度准则实现了对变压器状态的评估,为电力变压器状态评估提供了一种新的思路。 针对变压器绝缘状态评估中存在影响评估结果因素多、评估因素不相容且影响程度又不尽相同的难题,提出了基于模糊和证据推理融合的变压器绝缘状态合决策模型,构建了模糊隶属度函数来描述评估模型的因素层指标,根据模糊评估结果确定证据推理决策模型的原始基本概率分配,利用证据融合得到了辨识框架中基本概率分配函数,最后基于最大基本概率分配函数决策规则进行评估目标判定。 将多分类最小二乘支持向量机(LS-SVM)应用于电力变压器故障诊断中,通过组合编码构造多个二分类LS-SVM分类器实现多类分类。利用粒子群优化(PSO)算法获得LS-SVM分类模型的最优参数,应用交叉验证(CV)的思想来提高分类算法的整体泛化性能,并采用加州大学欧文分校机器学习数据库的基准数据集进行验证。变压器故障诊断实例分析表明,提出的基于PSO和LS-SVM分类方法对电力变压器进行故障诊断是准确和有效的;与传统的IEC三比值法、反向传播神经网络(BPNN)、径向基神经网络(RBFNN)及标准支持向量机(SVM)的变压器故障诊断方法相比,提出的方法在训练和测试阶段都获得了较高的准确率。 针对经典PSO算法在实际应用中容易陷入局部最优的缺点,提出了带时变加速系数的PSO算法(PSO-TVAC)优化SVM模型。引入动态惯性权重和加速系数,控制了PSO算法的开发(exploitation)和探索(exploration)能力,平衡了PSO的全局搜索和局部搜索性能,实验证明,基于改进PSO算法的故障诊断收敛速度快,计算精度高,诊断效果更好。 研究了基于支持向量机回归(SVR)理论的预测方法,建立了基于PSO-TVAC优化最小二乘支持向量机回归(LS-SVR)和小波最小二乘支持向量机回归(W-LSSVR)的变压器油中溶解气体预测模型,避免了传统SVR方法中回归问题未知变量数目的膨胀,同时简化了支持向量机回归的参数优化。实例研究表明,提出的油中溶解气体预测模型较BPNN、RBFNN、广义回归神经网络(GRNN)及ε-SVR预测方法相比,无论在预测精度和稳定性方面均具有很大的优势。 在研究变压器油中溶解气体预测实质的基础上,为了能够进一步掌握油中溶解气体的发展变化趋势,首次提出了基于模糊信息粒化支持向量机回归的油中气体区间预测方法。建立了模糊信息粒化的时序模型,不丧失时间序列所蕴含的主要信息的基础上简化了时序的表现形式,利用PSO-TVAC优化的支持向量机回归模型来训练粒化集样本,根据获得的信息粒预测区间,得到了油中溶解气体变化趋势的最大值、最小值和平均值水平,与实际信息相吻合。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李娟,丁晓群;基于历史数据的变压器故障诊断[J];浙江电力;2002年06期
2 谢可夫,罗安;遗传算法在变压器故障诊断中的应用[J];电力自动化设备;2005年04期
3 唐志国,郭文敏,刘文里,丁强;人工智能技术在变压器故障诊断中的研究[J];黑龙江电力;2003年02期
4 谢鹏;张国栋;彭刚;;一起500kV电力变压器故障诊断及处理[J];变压器;2007年05期
5 肖燕彩;朱衡君;张霄元;陈秀海;;基于溶解气体分析的电力变压器在线监测与诊断技术[J];电力自动化设备;2006年06期
6 杨之望;;智能型变压器故障诊断系统[J];电气制造;2006年11期
7 包军,余文辉;用于变压器故障诊断的专家系统[J];湖南电力;1994年02期
8 李清泉;王伟;;基于粗糙集理论的变压器故障诊断模型[J];山东大学学报(工学版);2005年06期
9 张群洪;;基于集成智能方法的变压器故障诊断[J];华东电力;2010年02期
10 王红燕;;基于Vague集相似度量算法的变压器故障诊断[J];科技信息;2010年15期
11 宫会丽,宋学艳,丁香乾;基于粗糙集与人工神经网络的变压器故障诊断[J];中国海洋大学学报(自然科学版);2005年06期
12 王雅梅;;电力变压器内部典型故障油色谱分析及判断[J];信息与电脑(理论版);2010年12期
13 韩晓萍,徐建政;基于综合特征输入的DGA在变压器故障诊断中的应用[J];山东工业大学学报;2001年06期
14 赵文清;朱永利;;电力变压器状态评估综述[J];变压器;2007年11期
15 高柳明;;电力变压器在线监测系统的设计[J];大众用电;2011年05期
16 杜晓春;朱建勇;;基于油中溶解气体分析的电力变压器故障诊断[J];有色冶金设计与研究;2010年04期
17 葛辉;郑忠言;;一种新型变压器故障诊断方法[J];轻金属;2010年06期
18 李元龙;;变压器故障综合诊断及工程应用研究[J];电力科学与工程;2009年12期
19 寿祝义;刘春明;金晶;;电力系统变压器类设备故障的诊断与检修[J];中国高新技术企业;2010年36期
20 刘馨;;专家系统在电力变压器故障诊断中的意义[J];才智;2011年13期
中国重要会议论文全文数据库 前10条
1 殷铭宏;;基于线性分类器的变压器故障诊断软件编程[A];2011第十六届全国自动化技术与应用学术年会专辑[C];2011年
2 卞建鹏;廖瑞金;杨丽君;郑含博;;基于均值核聚类与二叉树支持向量机的变压器故障诊断新技术的研究[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
3 于虹;张永刚;;基于模拟退火和支持向量机理论的变压器故障诊断方法[A];2011年云南电力技术论坛论文集(优秀论文部分)[C];2011年
4 张文涛;风文超;;电力变压器日常检查及故障分析[A];土木建筑学术文库(第15卷)[C];2011年
5 殷战稳;;电力变压器的原边接地故障分析[A];煤矿机电一体化新技术2011学术年会论文集[C];2011年
6 安洪松;李娜;王媛媛;;确定电网电力变压器的维护和维修顺序[A];2011中国电工技术学会学术年会论文集[C];2011年
7 杨慧松;;一种推导电力变压器零序等值电路的新方法[A];全国电工理论与新技术学术年会(CTEE'2001)论文集[C];2001年
8 代生丽;赵震;;浅析电力变压器运行状态的智能化诊断方法[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
9 钱旭耀;;变压器绝缘现场干燥处理的方法和效果分析[A];首届长三角科技论坛——能源科技分论坛论文集[C];2004年
10 王向勇;;电力变压器的节能运行及应用[A];全国工矿企业电力安全与节能技术优秀论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 郑含博;电力变压器状态评估及故障诊断方法研究[D];重庆大学;2012年
2 郑蕊蕊;智能信息处理理论的电力变压器故障诊断方法[D];吉林大学;2010年
3 武中利;电力变压器故障诊断方法研究[D];华北电力大学;2013年
4 尹金良;基于相关向量机的油浸式电力变压器故障诊断方法研究[D];华北电力大学;2013年
5 陈舵;模糊聚类分析及其在电力变压器故障诊断中的应用研究[D];西安理工大学;2008年
6 胡青;基于电力变压器故障特征气体分层特性的诊断与预测方法研究[D];重庆大学;2010年
7 易杨;电子电力变压器若干关键技术研究与实现[D];华中科技大学;2013年
8 魏鲁原;基于多蚁群算法的电力变压器故障定位方法研究[D];中国矿业大学;2011年
9 郑元兵;变压器故障诊断与预测集成学习方法及维修决策模型研究[D];重庆大学;2011年
10 李俭;大型电力变压器以油中溶解气体为特征量的内部故障诊断模型研究[D];重庆大学;2001年
中国硕士学位论文全文数据库 前10条
1 乔悦;智能信息融合技术在变压器故障诊断中的应用研究[D];湖南大学;2011年
2 李凌;电力变压器的智能故障诊断方法研究[D];昆明理工大学;2010年
3 华丁剑;基于支持向量机的油浸式变压器故障诊断研究[D];长沙理工大学;2012年
4 练波;基于油中气体分析的变压器绝缘故障的灰色关联诊断及应用研究[D];重庆大学;2002年
5 韩世军;基于支持向量机的立星110kV变压器故障诊断[D];宁夏大学;2013年
6 毕强;以油中气体为特征量的变压器绝缘故障的模糊诊断方法及应用研究[D];重庆大学;2002年
7 曾利平;油浸式电力变压器故障诊断的研究[D];中南大学;2011年
8 吴松;基于声学特征的变压器故障诊断研究[D];华中科技大学;2012年
9 年安君;基于人工免疫技术的变压器故障诊断[D];华北电力大学;2012年
10 李秀广;基于思维进化算法优化神经网络的变压器故障诊断[D];太原理工大学;2010年
中国重要报纸全文数据库 前10条
1 天保;天威合变110kV电力变压器项目顺利完成[N];中国企业报;2009年
2 青华;甘肃推出绿色环保电力变压器[N];中国工业报;2003年
3 本报记者 崔宏薇;意在节能 电力变压器新规执行[N];机电商报;2010年
4 姜伟;研发20千伏级电力变压器[N];东北电力报;2009年
5 李晓霞;只春生:享受技术研发的苦与乐[N];兰州日报;2010年
6 薛万章;用质量锻造企业的“船”[N];西南电力报;2001年
7 记者 马文生;首批5家电力变压器企业获节能认证[N];中国国门时报;2010年
8 肖锋;衡变首台750千伏特高压变压器研制成功[N];中国企业报;2010年
9 见习记者 徐光胜;哈空调投10亿新建两项目[N];哈尔滨日报;2008年
10 宁波 张春峰;P87LPC767在电力变压器绕线机中的应用[N];电子报;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978